#git #linux #python #tensorflow #virtualenv #tmux #zshell #vim #deep learning #speech #windows #knowledge tracing #recommender system #graphical model #statistics #machine learning #statistical mechanics #html #javascript #jquery #knowledge base #pytorch #reinforcement learning #imitation learning #graph convolutional networks #probability #natural language processing #computer vision #vision-language models

git

  • [Git] 처음 사용하기
  • [Git] 기본 사용법
  • [Git] Branch 사용 방법 정리
  • linux

  • [Git] 처음 사용하기
  • [Git] 기본 사용법
  • [TensorFlow] 설치 방법 정리
  • [Ubuntu] hostname 확인 및 변경
  • [Ubuntu] 개발 환경 세팅
  • [Ubuntu] Python Virtualenv 사용법 정리
  • [Ubuntu] 자주 사용하는 bash 명령어 정리
  • [Ubuntu] SSH 및 SCP 사용 방법 정리
  • [TensorFlow] Dataset 모듈 및 TFRecord 기본 사용법 정리
  • [Git] Branch 사용 방법 정리
  • [Ubuntu] SSH 서버 구축 방법
  • python

  • [Python] Argparse 모듈 정리
  • [Effective Python] WAY 1. 사용중인 파이썬의 버전을 알자
  • [Effective Python] WAY 2. PEP 8 스타일 가이드를 따르자
  • [Effective Python] WAY 3. bytes, str, unicode의 차이점을 알자
  • [Effective Python] WAY 4. 복잡한 표현식 대신 헬퍼 함수를 작성하자
  • [Effective Python] WAY 5. 시퀀스를 슬라이스하는 방법을 알자
  • [Effective Python] WAY 6. 한 슬라이스에 start, end, stride를 함께 쓰지 말자
  • [Effective Python] WAY 7. map과 filter 대신 리스트 컴프리헨션을 사용하자
  • [Effective Python] WAY 8. 리스트 컴프리헨션에서 표현식을 두 개 넘게 쓰지 말자
  • [Effective Python] WAY 9. 컴프리헨션이 클 때는 제너레이터 표현식을 고려하자
  • [Effective Python] WAY 10. range보다는 enumerate를 사용하자
  • [Effective Python] WAY 11. 이터레이터를 병렬로 처리하려면 zip을 사용하자
  • [Effective Python] WAY 12. for와 while 루프 뒤에는 else 블록을 쓰지 말자
  • [Effective Python] WAY 13. try/except/else/finally에서 각 블록의 장점을 이용하자
  • [Effective Python] WAY 14. None을 반환하기보다는 예외를 일으키자
  • [Effective Python] WAY 15. 클로저가 변수 스코프와 상호 작용하는 방법을 알자
  • [Effective Python] WAY 16. 리스트를 반환하는 대신 제너레이터를 고려하자
  • [Effective Python] WAY 17. 인수를 순회할 때는 방어적으로 하자
  • [Effective Python] WAY 18. 가변 위치 인수로 깔끔하게 보이게 하자
  • [Effective Python] WAY 19. 키워드 인수로 선택적인 동작을 제공하자
  • [Effective Python] WAY 20. 동적 기본 인수를 지정하려면 None과 docstring을 사용하자
  • [Effective Python] WAY 21. 키워드 전용 인수로 명료성을 강요하자
  • [Effective Python] WAY 22. 딕셔너리와 튜플보다는 헬퍼 클래스로 관리하자
  • [Effective Python] WAY 23. 인터페이스가 간단하면 클래스 대신 함수를 받자
  • [Effective Python] WAY 24. 객체를 범용으로 생성하려면 @classmethod 다형성을 이용하자
  • [Effective Python] WAY 25. super로 부모 클래스를 초기화하자
  • [Effective Python] WAY 26. 믹스인 유틸리티 클래스에만 다중 상속을 사용하자
  • [Effective Python] WAY 27. 공개 속성보다는 비공개 속성을 사용하자
  • [Effective Python] WAY 28. 커스텀 컨테이너 타입은 collections.abc의 클래스를 상속받게 만들자
  • [Effective Python] WAY 29. 게터와 세터 메서드 대신에 일반 속성을 사용하자
  • [Effective Python] WAY 30. 속성을 리팩토링하는 대신 @property를 고려하자
  • [Effective Python] WAY 31. 재사용 가능한 @property 메서드에는 디스크립터를 사용하자
  • [Effective Python] WAY 32. 지연 속성에는 __getattr__, __getattribute__, setattr__을 사용하자
  • [Effective Python] WAY 33. 메타클래스로 서브클래스를 검증하자
  • [Effective Python] WAY 34. 메타클래스로 클래스의 존재를 등록하자
  • [Effective Python] WAY 35. 메타클래스로 클래스 속성에 주석을 달자
  • [Effective Python] WAY 36. 자식 프로세스를 관리하려면 subprocess를 사용하자
  • [Effective Python] WAY 43. 재사용 가능한 try/finally 동작을 만들려면 contextlib와 with 문을 고려하자
  • [Effective Python] WAY 44. copyreg로 pickle을 신뢰할 수 있게 만들자
  • [Effective Python] WAY 54. 배포 환경을 구성하는 데는 모듈 스코프 코드를 고려하자
  • [TensorFlow] Dataset 모듈 및 TFRecord 기본 사용법 정리
  • [정부 과제] 한국 고용정보원 일자리매칭 과제
  • [모델 구현] WaveNet Implementation in TensorFlow (README)
  • [모델 구현] Multi-Speaker Tacotron Implementation in TensorFlow (README)
  • [Python] 함수의 매개변수 앞의 *(Asterisk)의 의미
  • [Python] 네임스페이스 개념 정리
  • [Python] 클래스 네임스페이스 개념 정리
  • [Windows 10] 개발 환경 세팅
  • [모델 구현] Dynamic Key-Value Memory Networks Implementation in TensorFlow (README)
  • [모델 구현] Variational Autoencoder (VAE) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] Generative Adversarial Network (GAN) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] DCGAN Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] WGAN Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] GAN Collection for Generating MNIST Images with PyTorch
  • [모델 구현] Reinforcement Learning Collection with PyTorch
  • [모델 구현] Generative Adversarial Imitation Learning with PyTorch
  • [모델 구현] Knowledge Tracing Collection with PyTorch
  • [모델 구현] Graph Convolutional Networks (GCN) with PyTorch
  • tensorflow

  • [TensorFlow] 설치 방법 정리
  • [Ubuntu] 개발 환경 세팅
  • [TensorFlow] Dataset 모듈 및 TFRecord 기본 사용법 정리
  • [Attention] Bahdanau Attention 개념 정리
  • [정부 과제] 한국 고용정보원 일자리매칭 과제
  • [모델 구현] WaveNet Implementation in TensorFlow (README)
  • [모델 구현] Multi-Speaker Tacotron Implementation in TensorFlow (README)
  • [Windows 10] 개발 환경 세팅
  • [모델 구현] Dynamic Key-Value Memory Networks Implementation in TensorFlow (README)
  • [모델 구현] Variational Autoencoder (VAE) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] Generative Adversarial Network (GAN) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] DCGAN Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] WGAN Implementation for Generating MNIST Images in TensorFlow2
  • virtualenv

  • [TensorFlow] 설치 방법 정리
  • [Ubuntu] Python Virtualenv 사용법 정리
  • [Windows] Python Virtualenv 사용법 정리
  • tmux

  • [Ubuntu] 개발 환경 세팅
  • zshell

  • [Ubuntu] 개발 환경 세팅
  • vim

  • [Ubuntu] 개발 환경 세팅
  • deep learning

  • [Deep Learning] Batch Normalization 개념 정리
  • [Speech Synthesis] Tacotron 논문 정리
  • [Attention] Bahdanau Attention 개념 정리
  • [Attention] Luong Attention 개념 정리
  • [정부 과제] 한국 고용정보원 일자리매칭 과제
  • [모델 구현] WaveNet Implementation in TensorFlow (README)
  • [모델 구현] Multi-Speaker Tacotron Implementation in TensorFlow (README)
  • [Knowledge Tracing] Deep Knowledge Tracing 논문 정리
  • [모델 구현] Dynamic Key-Value Memory Networks Implementation in TensorFlow (README)
  • [모델 구현] Variational Autoencoder (VAE) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] Generative Adversarial Network (GAN) Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] DCGAN Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] WGAN Implementation for Generating MNIST Images in TensorFlow2
  • [모델 구현] GAN Collection for Generating MNIST Images with PyTorch
  • [모델 구현] Reinforcement Learning Collection with PyTorch
  • [모델 구현] Generative Adversarial Imitation Learning with PyTorch
  • [모델 구현] Knowledge Tracing Collection with PyTorch
  • [Knowledge Tracing] Dynamic Key-Value Memory Networks for Knowledge Tracing 논문 정리
  • [모델 구현] Graph Convolutional Networks (GCN) with PyTorch
  • [자연어 처리] 1. 자연어 처리 기초
  • [자연어 처리] 2. Word2Vec
  • [자연어 처리] 3. Transformer
  • [자연어 처리] 4. BERT
  • [비전-언어 모델] 1. 비전-언어 모델 소개
  • [자연어 처리] 5. GPT
  • [비전-언어 모델] 2. Vision Transformer
  • speech

  • [Speech Synthesis] Tacotron 논문 정리
  • windows

  • [Windows 10] 개발 환경 세팅
  • [Windows] Python Virtualenv 사용법 정리
  • knowledge tracing

  • [Knowledge Tracing] Deep Knowledge Tracing 논문 정리
  • [모델 구현] Dynamic Key-Value Memory Networks Implementation in TensorFlow (README)
  • [모델 구현] Knowledge Tracing Collection with PyTorch
  • [Knowledge Tracing] Dynamic Key-Value Memory Networks for Knowledge Tracing 논문 정리
  • recommender system

  • [Knowledge Tracing] Deep Knowledge Tracing 논문 정리
  • [Knowledge Tracing] Dynamic Key-Value Memory Networks for Knowledge Tracing 논문 정리
  • graphical model

  • [Graphical Model] 1. Graphical Model & Bayesian Network
  • [Graphical Model] 2. Markov Random Field: Introduction
  • [Graphical Model] 3. Markov Random Field: Factorization
  • [Graphical Model] 4. Markov Random Field: Factor Graph
  • [Graphical Model] 5. Markov Random Field: Hammersley-Clifford Theorem
  • statistics

  • [Graphical Model] 1. Graphical Model & Bayesian Network
  • [Graphical Model] 2. Markov Random Field: Introduction
  • [Graphical Model] 3. Markov Random Field: Factorization
  • [Graphical Model] 4. Markov Random Field: Factor Graph
  • [Graphical Model] 5. Markov Random Field: Hammersley-Clifford Theorem
  • [Machine Learning] 1. Probability
  • [강화 학습] 1. 강화 학습 소개
  • [강화 학습] 2. Policy Gradient Theorem
  • [강화 학습] 3. Baseline Method & Actor-Critic Method
  • [Machine Learning] 2. Generative Models for Discrete Data
  • [강화 학습] 4. Bootstrapping과 불확실성의 전파
  • [강화 학습] 5. Trust Region Policy Optimization (1)
  • [강화 학습] 6. Trust Region Policy Optimization (2)
  • [강화 학습] 7. Trust Region Policy Optimization (3)
  • [강화 학습] 8. Trust Region Policy Optimization (4)
  • [자연어 처리] 1. 자연어 처리 기초
  • [자연어 처리] 2. Word2Vec
  • machine learning

  • [Graphical Model] 1. Graphical Model & Bayesian Network
  • [Graphical Model] 2. Markov Random Field: Introduction
  • [Graphical Model] 3. Markov Random Field: Factorization
  • [Graphical Model] 4. Markov Random Field: Factor Graph
  • [Graphical Model] 5. Markov Random Field: Hammersley-Clifford Theorem
  • [Machine Learning] 1. Probability
  • [강화 학습] 1. 강화 학습 소개
  • [강화 학습] 2. Policy Gradient Theorem
  • [강화 학습] 3. Baseline Method & Actor-Critic Method
  • [Machine Learning] 2. Generative Models for Discrete Data
  • [강화 학습] 4. Bootstrapping과 불확실성의 전파
  • [강화 학습] 5. Trust Region Policy Optimization (1)
  • [강화 학습] 6. Trust Region Policy Optimization (2)
  • [강화 학습] 7. Trust Region Policy Optimization (3)
  • [강화 학습] 8. Trust Region Policy Optimization (4)
  • [자연어 처리] 1. 자연어 처리 기초
  • [자연어 처리] 2. Word2Vec
  • statistical mechanics

  • [Graphical Model] 2. Markov Random Field: Introduction
  • [Graphical Model] 3. Markov Random Field: Factorization
  • html

  • [웹 개발] Movie Knowledge Graph Demo Web Page Development
  • javascript

  • [웹 개발] Movie Knowledge Graph Demo Web Page Development
  • jquery

  • [웹 개발] Movie Knowledge Graph Demo Web Page Development
  • knowledge base

  • [웹 개발] Movie Knowledge Graph Demo Web Page Development
  • pytorch

  • [모델 구현] GAN Collection for Generating MNIST Images with PyTorch
  • [모델 구현] Reinforcement Learning Collection with PyTorch
  • [모델 구현] Generative Adversarial Imitation Learning with PyTorch
  • [모델 구현] Knowledge Tracing Collection with PyTorch
  • [모델 구현] Graph Convolutional Networks (GCN) with PyTorch
  • reinforcement learning

  • [모델 구현] Reinforcement Learning Collection with PyTorch
  • [모델 구현] Generative Adversarial Imitation Learning with PyTorch
  • [강화 학습] 1. 강화 학습 소개
  • [강화 학습] 2. Policy Gradient Theorem
  • [강화 학습] 3. Baseline Method & Actor-Critic Method
  • [강화 학습] 4. Bootstrapping과 불확실성의 전파
  • [강화 학습] 5. Trust Region Policy Optimization (1)
  • [강화 학습] 6. Trust Region Policy Optimization (2)
  • [강화 학습] 7. Trust Region Policy Optimization (3)
  • [강화 학습] 8. Trust Region Policy Optimization (4)
  • imitation learning

  • [모델 구현] Generative Adversarial Imitation Learning with PyTorch
  • graph convolutional networks

  • [모델 구현] Graph Convolutional Networks (GCN) with PyTorch
  • probability

  • [Machine Learning] 1. Probability
  • [강화 학습] 1. 강화 학습 소개
  • [강화 학습] 2. Policy Gradient Theorem
  • [강화 학습] 3. Baseline Method & Actor-Critic Method
  • [Machine Learning] 2. Generative Models for Discrete Data
  • [강화 학습] 4. Bootstrapping과 불확실성의 전파
  • [강화 학습] 5. Trust Region Policy Optimization (1)
  • [강화 학습] 6. Trust Region Policy Optimization (2)
  • [강화 학습] 7. Trust Region Policy Optimization (3)
  • [강화 학습] 8. Trust Region Policy Optimization (4)
  • [자연어 처리] 1. 자연어 처리 기초
  • [자연어 처리] 2. Word2Vec
  • natural language processing

  • [자연어 처리] 1. 자연어 처리 기초
  • [자연어 처리] 2. Word2Vec
  • [자연어 처리] 3. Transformer
  • [자연어 처리] 4. BERT
  • [비전-언어 모델] 1. 비전-언어 모델 소개
  • [자연어 처리] 5. GPT
  • [비전-언어 모델] 2. Vision Transformer
  • computer vision

  • [비전-언어 모델] 1. 비전-언어 모델 소개
  • [비전-언어 모델] 2. Vision Transformer
  • vision-language models

  • [비전-언어 모델] 1. 비전-언어 모델 소개
  • [비전-언어 모델] 2. Vision Transformer
  • Go to the Home Page